FODAS在新疆夏季降水預測中的應用與檢驗

段均澤,陳鵬翔,周雪英

(1.新疆氣候中心,烏魯木齊 830002;2.巴音郭楞自治州氣象局,新疆庫爾勒 841000)

FODAS在新疆夏季降水預測中的應用與檢驗

段均澤1,陳鵬翔1,周雪英2

(1.新疆氣候中心,烏魯木齊 830002;2.巴音郭楞自治州氣象局,新疆庫爾勒 841000)

利用國家氣候中心海氣耦合模式(BCC_CGCM)季節預測結果資料(2008—2012年)、降水實況資料CMAP(1983—2012年),采用PS評分對近5年動力與統計集成的季節氣候預測系統(FODAS1.0)不同方法的夏季預測產品進行回報檢驗,并與業務評分進行對比,從而檢驗FODAS1.0對于新疆夏季降水的預測效果。結果表明:熊開國-固定因子-動力統計訂正方法、熊開國-異常因子-動力統計訂正方法、系統誤差訂正、熊開國-固定因子和異常因子的集成方法得分較高,高于新疆夏季降水預測業務評分。總體來看,熊開國方法 (方法I)的預測效果比楊杰方法(方法II)的預測效果穩定。

FODAS;季節氣候預測;應用檢驗;新疆

在短期氣候預測業務中,預報方法一般有動力學和統計學兩種方法。由于傳統的統計方法無法解釋物理機制的缺陷,所建立的預報對象和預報因子之間多是統計關系,動力學意義不足,歷史擬合率可能較高,但預報準確率有限且不穩定;而傳統動力模式預報方法,僅考慮了大氣的初始狀態,沒有考慮大氣的歷史演變狀況[1-3]。丑紀范[4]曾明確指出,要提高短期氣候預測準確率,需要走統計與動力相結合之路,這同時也是我國近代氣候業務系統發展的要求。動力與統計集成的季節氣候預測系統1.0版本(Forecast SystemonDynamicalandAnalogySkills1.0,以下簡稱FODAS1.0),是以氣候模式作為動力核心,分析模式誤差的特征,將其作為預報對象;以歷史相似作為統計核心,進行有針對性的預報,并將動力和統計方法的優點有機結合。即在對國家氣候中心海氣耦合模式 (BCC CGCM)的季節降水預報誤差分析的基礎上,結合126項海氣系統的氣候因子,診斷模式存在誤差的主要原因,確定既有一定物理意義,同時與模式預報誤差又有一定聯系的關鍵因子;基于關鍵因子選取歷史相似年的模式預報誤差,并與當前模式預報結果進行疊加以得到新的預報結果。

FODAS的功能結構主要包括數據實時接收、歷史實況和模式結果檢索、全國降水和溫度的動力統計客觀化預測、區域降水和溫度的動力統計客觀化預測、檢驗評分等。

氣候模式產品的解釋應用是氣候預測的主要方法,也是未來氣候預測的主要發展方向。實際業務中,由于數值預報產品本身存在的誤差,以及它對于地形和局地性氣候考慮不全面等因素,需要做好模式預報產品的檢驗和分析工作,這對數值預報產品的釋用,提高預報質量,都是十分重要的[5-6]。本文通過介紹FODAS1.0的新疆本地化應用以及對近5年的汛期降水回報進行檢驗,為預報員提供更多的參考依據,從而促進該方法的推廣應用,提高短期氣候預測水平,為政府防災減災決策提供更好的服務。

1 資料和方法

1.1 資料

國家氣候中心季節降水預測結果(2008—2012年),126項因子指數文件(1951—2012年),逐月降水實況資料(CMAP)(1983—2012年)等,資料均取自國家氣候中心。2008—2012年夏季降水業務評分資料來自新疆區域氣候中心。

1.2 評分標準

通過系統自帶的評分模塊,計算FODAS1.0系統不同方法2008—2012年歷年夏季降水預測結果的預報評分,并將其與相應年份新疆夏季降水的業務預報評分進行對比,從而檢驗FODAS1.0系統各方法對于新疆區域夏季降水的歷年預測效果。根據中國氣象局預測減災司頒布的 《重要天氣預報質量評定辦法》,六級評分制降水趨勢預測用語及各等級劃分標準分別為特少 (ΔR≤-50%)、偏少(-50%<ΔR≤-20%)、略少(-20%<ΔR<0)、略多(0≤ΔR<20%)、偏多(20%≤ΔR<50%)和特多(ΔR≥50%), ΔR為降水距平百分率,由此來計算定性評分P[7]。s預報評分Ps是由原國家氣象中心長期科一直使用的評分方法修改而成。在距平符號預報準確率的基礎上,加上異常級加權得分構成,它表示在預報區域內預報的總得分?？杀硎緸镹0為距平符號報對的以及預報和實況雖距平符號不同但都屬正常級的站數;N為參加評分范圍內的總站數;n1、f1和n2、f2分別為一級異常和二級異常預報正確的站數和權重系數[8],季節預報權重系數取f1=5,f2=2。

2 FODAS在新疆的本地化應用

2.1 利用Surfer軟件建立本地繪圖模板FODAS1.0目前還不支持區域繪圖,在業務使用中迫切需要將本區域的預測結果繪制出來,由于FODAS1.0預測結果文件包含格點的經緯度及要素值 (如降水量距平百分率),因此可以利用Surfer軟件對預測結果進行繪圖,生成新疆邊界底圖xinjiang.bln文件,并結合新疆的氣候特點,建立適合新疆氣溫、降水量距平預測和實況的色標模板(見圖1、圖2,實際業務系統中為彩色圖,文中用灰度圖表示)。

2.2 自選預測因子試驗

2.2.1 預測因子 在季度氣候預測中,預測因子是指由制作預報前1個月的環流特征組成的環流特征序列。然后將環流特征序列分別與對應的目標輸出序列求相關系數,最后取相關系數絕對值最大的N個環流特征序列作為各種算法的輸入數據[9]。

圖1 2013年6—8月降水距平百分率預報圖

圖2 2013年6—8月平均溫度距平預報圖

2.2.2 自選預測因子回報夏季降水試驗 由于FODAS1.0系統不但可以在各種方法中自動計算選取預測因子進行預測,還可以手動選取預測因子進行計算。因此,通過相關分析實驗,并結合以往的預測經驗,找出影響新疆區域夏季降水相關較好的預測因子,這些因子分別是:西藏高原(30°N～40°N,75°E～105°E)、亞洲區極渦強度(1區,60°E～150°E)、Nino1+2區海溫(0°～10°S,80°W～90°W)、印度副高脊線(65° E～95°E)、西半球暖池(WHWP)、西太平洋副高西伸脊點、東大西洋-西俄羅斯型(EA/ WR)。在FODAS1.0系統里選取這些因子回報2008—2012年新疆夏季降水,再用FODAS1.0系統的評分功能得到近五年的Ps平均得分是68分(表略),與表1中FODAS1.0各方法自動選取因子預測得分相比,雖高于各方法的平均得分(61.9分),但要低于熊開國-固定因子-動力統計訂正方法、熊開國-異常因子-動力統計訂正方法、系統誤差訂正方法、熊開國-固定因子和異常因子的集成方法的平均得分 (表1),說明這四種方法的預測效果要優于自選預測因子,這可能與FODAS系統的預測是基于關鍵因子選取歷史相似年的模式并與當前模式預報結果進行疊加以得到新的預報結果有關。

表1 近5年夏季FODAS不同預測方法降水回報檢驗Ps評分結果 %

3 回報檢驗結果與分析

業務評分是指業務管理部門對實時業務預報的考核評分。新疆氣候中心2008—2012年夏季降水的業務評分與FODAS1.0的評分系統均采用Ps評分標準,因此可以對FODAS1.0所有方法(共11種)的夏季降水預測結果給出定性Ps評分,并與業務評分進行比較。從近5年的回報結果來看(表1),對于新疆區域,熊開國-固定因子-動力統計訂正方法、熊開國-異常因子-動力統計訂正方法、系統誤差訂正、熊開國-固定因子和異常因子的集成方法得分較高,這四種方法近5年夏季降水預測的Ps平均得分分別為73、70、71和69分。將這四種方法分別與2008—2012年的業務評分進行比較,可以看到,除2010年,熊開國-異常因子-動力統計訂正方法、熊開國-固定因子和異常因子的集成方法Ps評分低于業務評分外,其余年份這四種方法均高于業務評分(平均62.7分)。

總體來看,熊開國方法(方法I)的預測結果得分較高,相比楊杰方法(方法II)的預測效果更為穩定。

4 小結與討論

4.1 通過對2008—2012年FODAS1.0系統夏季降水不同預測方法的結果檢驗表明:熊開國-固定因子-動力統計訂正方法、熊開國-異常因子-動力統計訂正方法、系統誤差訂正方法、熊開國-固定因子和異常因子的集成方法預測效果較好,四種方法對于新疆夏季降水預測評分優于自選預測因子評分,也優于近年的業務評分。

4.2 由于FODAS1.0預測結果文件包含格點的經緯度及要素值 (如降水量距平百分率),因此可以直接用Surfer軟件繪制出等值線圖,相比GrADS等其它繪圖軟件,Surfer軟件繪制等值線圖不但方便快捷且圖形更為美觀。

4.3 在地理環境多變、降水變率大的新疆,預報員應該針對本區域的氣候特點,篩選出適合本地區相關性較好的影響因子,從而更好地利用FODAS系統和其它模式產品進行預測,對于相關性較好的預測因子,還需進一步研究其影響機制。

4.4 FODAS季節氣候預測系統以氣候模式為動力核心,以歷史相似作為統計核心,從而能將動力和統計方法的優點有機結合起來,為提高新疆短期氣候預測水平提供了一種新的思路和方法,具有較高的業務應用價值,但在繪圖和使用中的細節方面仍然存在一些不足,尚待在業務工作中逐步完善。

[1] 陳麗娟,李維京.降尺度技術在月降水預報業務中的應用[J].應用氣象學報,2003,14(6): 648-655.

[2] 林紓,李維京,陳麗娟.月動力延伸預報產品在甘肅省的釋用及評估[J].氣象,2004,30 (10):22-26.

[3] 林紓,李維京,陳麗娟,等.月動力延伸預報產品在西北地區月降水預測中的釋用 [J].應用氣象學報,2007,18(4):555-560.

[4] 丑紀范.為什么要動力-統計相結合?——兼論如何結合[J].高原氣象,1986,5(4):367-372.

[5] 李?；?莊曉翠,王江華,等.GFS預報產品在阿勒泰地區汛期降水預報中的應用檢驗 [J].沙漠與綠洲氣象,2009,3(4):22-25.

[6] 楊淑群,楊小波,馬振峰,等.成都區域中心動力氣候模式產品降尺度應用業務系統 [J].高原山地氣象研究,2009,29(2):56-59.

[7] 張文靜,方建剛.動力氣候模式降水預測能力初步評估[J].陜西氣象,2009(3):23-24.

[8] 段均澤,劉長征,白素琴.月動力延伸預報產品在新疆月尺度降水預測中的應用檢驗 [J].沙漠與綠洲氣象,2012,6(6):61-64.

[9] 李學明,郭尚坤,王劍柯,等.新的集成預報及其在短期氣候預測中的應用 [J].重慶大學學報,2010,33(12):119-126.

P456

:A

1006-4354(2013)06-0005-04

2013-07-09

段均澤(1983—),男,漢族,學士,山東東明人,助理工程師,從事短期氣候預測和氣候研究。

中國氣象局小型基建項目 “動力與統計集成的季節氣候預測系統建設 (2011—2012)”、新疆氣象局科研課題(201303)